杂谈感受野

一、引言：

    深度学习中，感受野是一个常见的概念，在面试中也会经常被提及，这里记录一下自己整理的相关资料。

二、概念：

  在卷积神经网络中，感受野的定义是卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。

  计算公式为：

其中，rn代表第n层conv中，每个单元的感受野；kn表示当前层的kernel size大小；sn为stride大小，注意stride是逐层累积的，因此第i层的stride为strides（i）= stride(1) * stride(2) * ...* stride(i-1) 。

三、理解感受野

  在SSD300中，网络用了6层特征图做预测，因为前面的层感受野较小，后层的感受野较大，最后一层1*1卷积可以感知到整个输入图像，因次，我们可以理解为SSD用前层去检测小目标，后层去检测大目标。除此之外，SSD300六层特征图产生的prior box数量为4、4、6、6、6、4，结合感受野来理解，可认为是目标太小或太大的个数较少，大多数目标都集中在中间层。

参考资料：

深度神经网络中的感受野(Receptive Field)